Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-10 06:11 UTC

sokrypton / ColabFold

Making Protein folding accessible to all!

Jupyter NotebookMIT★ 2909 estrellas⑂ 744 forksdesde jul 2021Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#bioinformatics#multiple-sequence-alignment#protein-structure#structure-prediction

sokrypton/ColabFold tiene un índice de salud de 75 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Community & Adoption (80/100) y la más baja, Security (32/100). Se actualizó por última vez hace 13 días. 2 personas concentran la mayor parte del trabajo reciente.

75
global / 100
Bueno

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

75
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 65 se calibra a 75 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Sergey OvchinnikovCuenta personal
752 seguidores72 repositorios públicosdesde abr 2013

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPIcolabfold1.6.277538hace 57 días

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

73Bueno · 21% del índice global

Actividad de desarrollo

65Bueno
Cómo se puntúa
28.8/36Recencia de push — último push hace 13 días
13.8/36Cadencia de commits — 20/52 semanas con commits
16.3/18Volumen de commits — 64 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year64
human_commit_share1
days_since_last_push13
active_weeks_last_year20

Disciplina de publicación

84Excelente
Cómo se puntúa
27/27Publica versiones — 9 versiones publicadas
36/36Recencia de las versiones — última versión hace 57 días
12.6/27Cadencia de publicación — una versión cada ~227,2 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count9
latest_release_tagv1.6.2
releases_from_tagsno
days_since_latest_release57
mean_days_between_releases227,2

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

80Excelente · 17% del índice global

Popularidad y adopción

90Excelente
Cómo se puntúa
56.2/60Estrellas — 2909 estrellas
23.9/25Forks — 744 forks
9.7/15Observadores — 57 observadores
Datos de entrada utilizados
forks744
stars2909
watchers57
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

78Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
7.2/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges0
has_contributingsí
has_issue_templatesí
has_code_of_conductno
readme_badge_services—
has_pull_request_templateno

Adopción en el ecosistema (descargas)

65Bueno
Cómo se puntúa
51.9/80Descargas mensuales — 7753 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagescolabfold
dependents—
ecosystemspypi
total_downloads—
monthly_downloads7753
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

66Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

58Moderado
Cómo se puntúa
25.2/54Factor bus — la mitad de los commits recae en 2 contribuyente(s)
13.7/22.5Distribución de commits — el principal contribuyente firma el 39% de los commits
13.5/13.5Amplitud de contribuyentes — 43 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor2
contributors_sampled43
top_contributor_share0,389

Capacidad de respuesta a issues y PR

46Débil
Cómo se puntúa
18.2/42Resolución de issues — 43% de issues cerradas
21.2/30Aceptación de PR — 89/126 PR decididos fusionados
0/13Newcomer PR acceptance — 0/1 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs89
open_issues396
closed_issues304
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,434
closed_unmerged_prs37
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Propiedad y custodia

70Bueno
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
20.7/25Alcance del propietario — 752 seguidores de sokrypton
25/25Trayectoria — 72 repos públicos, cuenta de ~13 años
Datos de entrada utilizados
followers752
owner_typeUser
is_verified—
owner_loginsokrypton
public_repos72
account_age_days4893
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 57 días
20/20Historial de versiones — 8 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagescolabfold
ecosystemspypi
any_deprecatedno
min_days_since_publish57

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

72Bueno · 19% del índice global

Prácticas de ingeniería

80Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 3 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.black])
0/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configno

Documentación

60Moderado
Cómo se puntúa
30/30README
0/25Directorio de documentación
0/15Sitio de documentación / página del proyecto
10/10Descripción del repositorio
10/10Topics — 4 topics
10/10Wiki
Datos de entrada utilizados
topicsbioinformatics, multiple-sequence-alignment, protein-structure, structure-prediction
has_wikisí
homepage—
docs_site—
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

32En riesgo · 16% del índice global

Postura de seguridad

25En riesgo
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
25/25Lockfiles de dependencias — poetry.lock
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfilespoetry.lock
manifestspyproject.toml
has_codeql_workflowno
has_security_policyno
has_dependabot_configno

Avisos de dependencias

60Moderado
Cómo se puntúa
15.8/35Dependencias directas libres de avisos conocidos — 3 afectados: biopython 1.82 (moderate 4.9), requests 2.31.0 (moderate 5.6), tqdm 4.66.1 (low 3.9)
0/25Dependencias indirectas libres de avisos conocidos — el conjunto transitivo no es separable de las dependencias de desarrollo y prueba en este alcance
29.4/40Sin avisos pendientes — 3 paquete(s) con avisos sin atender más allá de 90 días; el más antiguo publicado hace 859 días
Datos de entrada utilizados
sourceosv
advisories75
affected_packages12
assessed_packages63
unassessed_packages0
affected_by_severitycritical 2, high 5, moderate 4, low 1
direct_affected_packages3
Excluidos de la puntuación (sin datos o no aplicable): Dependencias indirectas libres de avisos conocidos. Los pesos restantes se han renormalizado. Se cotejaron 63 dependencias resueltas con OSV. Este repositorio no publica ningún paquete que el índice resuelva, por lo que se evaluó en su lugar el grafo de dependencias del repositorio. Ese grafo mezcla fijaciones de desarrollo y prueba con las dependencias distribuidas, de modo que solo se puntúan las dependencias declaradas en tiempo de ejecución; los hallazgos transitivos se informan como contexto y quedan excluidos de la puntuación. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

44Débil · 4% del índice global

Contexto y guía para agentes

6Crítico
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
0/15Documentación legible por máquinas (llms.txt)
5.9/40Historial de commits legible — 11 de 100 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,11
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

48Débil
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.black])
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile, lockfile
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
0/8Mantenimiento automatizado — no se observan actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfilespoetry.lock
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Legibilidad del código para modelos

53Moderado
Cómo se puntúa
0/45Código verificable por tipos — Jupyter Notebook sin configuración de verificación de tipos
53.1/55Tamaños de archivo manejables — 1/29 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languageJupyter Notebook
largest_source_bytes92.433
source_files_sampled29
oversized_source_files1

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — notebooks
Datos de entrada utilizados
example_dirsnotebooks
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

2909estrellas de GitHub
43contribuidores
64commits en los últimos 12 meses
13días desde el último push
9versiones publicadas
2factor bus
396issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Runtime dependency closure could not be resolved from deps.dev ([Errno -5] No address associated with hostname); advisories assessed against the repository dependency graph instead
  • OpenSSF Scorecard did not return a usable result (exit code 0; Skipping github.com/sokrypton/ColabFold: run: RepoClient.LocalPath: error during tarballHandler.setup: internal error: handler.httpClient.Do: Get "https://codeload.github.com/sokrypton/ColabFold/legacy.tar.gz/refs/heads/main": internal error: innerTransport.RoundTrip: internal error: innerTransport.RoundTrip: error in HTTP: dial tcp: lookup codeload.github.com on 127.0.0.11:53: server misbehaving); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 744 ⇿
0Estrellas
744Forks
9Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0125250375500625750722182021-072024-022026-09
Mayor 0Menor 4Parche 4

Cada punto abarca 5 días.

Dependencias directas 17
RegistroPaqueteRestricción de versiónManifiesto
PyPIabsl-py^1.0.0pyproject.toml
PyPIjax>=0.5.2,<0.11pyproject.toml
PyPImatplotlib^3.8.4pyproject.toml
PyPIbiopython<1.86pyproject.toml
PyPInumpy^2.0.2pyproject.toml
PyPIpandas^2.2.2pyproject.toml
PyPIalphafold-colabfold2.3.18pyproject.toml
PyPIrequests^2.26.0pyproject.toml
PyPItqdm^4.62.2pyproject.toml
PyPIappdirs^1.4.4pyproject.toml
PyPIpy3Dmol^2.0.1pyproject.toml
PyPIdm-tree^0.1.9pyproject.toml
PyPIdm-haiku^0.0.16pyproject.toml
PyPIimportlib-metadata^8.6.1pyproject.toml
PyPIpdbfixer^1.12.0pyproject.toml
PyPIopenmm^8.2.0pyproject.toml
PyPIorjson^3.11.4pyproject.toml
Todas las dependencias 63

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 17 paquetes directos y 46 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIabsl-py1.4.0directa
PyPIalphafold-colabfold2.3.18directa
PyPIappdirs1.4.4directa
PyPIbiopython1.82directa
PyPIdm-haiku0.0.16directa
PyPIdm-tree0.1.9directa
PyPIimportlib-metadata8.7.0directa
PyPIjax0.5.3directa
PyPImatplotlib3.10.5directa
PyPInumpy2.2.6directa
PyPIopenmm8.4.0.post2directa
PyPIorjson3.11.7directa
PyPIpandas2.3.2directa
PyPIpdbfixer1.12.0directa
PyPIpy3dmol2.0.4directa
PyPIrequests2.31.0directa
PyPItqdm4.66.1directa
PyPIatomicwrites1.4.1indirecta
PyPIattrs23.1.0indirecta
PyPIblack23.12.1indirecta
PyPIcertifi2023.11.17indirecta
PyPIcharset-normalizer3.3.2indirecta
PyPIchex0.1.85indirecta
PyPIclick8.1.7indirecta
PyPIcolorama0.4.6indirecta
PyPIcontextlib221.6.0indirecta
PyPIcontourpy1.3.2indirecta
PyPIcycler0.12.1indirecta
PyPIfonttools4.47.0indirecta
PyPIidna3.6indirecta
PyPIimmutabledict4.2.1indirecta
PyPIiniconfig2.0.0indirecta
PyPIjaxlib0.5.3indirecta
PyPIjmp0.0.4indirecta
PyPIkiwisolver1.4.5indirecta
PyPIlegacy-cgi2.6.4indirecta
PyPIml-collections0.1.1indirecta
PyPIml-dtypes0.5.3indirecta
PyPImypy-extensions1.0.0indirecta
PyPIopt-einsum3.3.0indirecta
PyPIpackaging23.2indirecta
PyPIpathspec0.12.1indirecta
PyPIpillow10.1.0indirecta
PyPIplatformdirs4.1.0indirecta
PyPIpluggy1.3.0indirecta
PyPIpy1.11.0indirecta
PyPIpyparsing3.1.1indirecta
PyPIpytest6.2.5indirecta
PyPIpython-dateutil2.8.2indirecta
PyPIpytz2023.3.post1indirecta
PyPIpyyaml6.0.1indirecta
PyPIscipy1.15.3indirecta
PyPIsetuptools69.0.3indirecta
PyPIsix1.16.0indirecta
PyPItabulate0.9.0indirecta
PyPItoml0.10.2indirecta
PyPItomli2.0.1indirecta
PyPItoolz0.12.0indirecta
PyPItyping-extensions4.15.0indirecta
PyPItzdata2025.2indirecta
PyPIurllib32.1.0indirecta
PyPIwrapt1.16.0indirecta
PyPIzipp3.23.0indirecta
Avisos de dependencias 12

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 63 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 12 tienen avisos conocidos, de los cuales 3 son directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
black23.12.1indirectacrítica426.3.1
pillow10.1.0indirectacrítica3212.3.0
certifi2023.11.17indirectaalta22024.7.4
click8.1.7indirectaalta18.3.3
idna3.6indirectaalta43.15
setuptools69.0.3indirectaalta683.0.0
urllib32.1.0indirectaalta122.7.0
biopython1.82directamoderada21.87
requests2.31.0directamoderada62.33.0
fonttools4.47.0indirectamoderada24.60.2
pytest6.2.5indirectamoderada29.0.3
tqdm4.66.1directabaja24.66.3

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con sokrypton/ColabFold. Leer en paralelo →

90biopython/biopythonOfficial git repository for Biopython (originally converted from CVS)Excelente78abhishektiwari/hbatHBAT 2: A Python Package to analyse Hydrogen Bonds and Other Non-covalent Interactions in Macromolecular Structures https://hbat-web.abhishek-tiwari.comBueno71elkins-lab/synth-pdbGenerate realistic PDB files with mixed secondary structures for testing, education and bioinformatics tool development. Jupyter Notebook tutorials are available to visualize the concepts..Bueno71TimoLassmann/kalignA fast multiple sequence alignment program.Bueno65BioPandas/biopandasWorking with molecular structures in pandas DataFramesBueno41a-r-j/CPDBCython implementation of PDB -> DataFrame parsingDébil

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.